JP4784932B2 - 車両判別装置及びそのプログラム - Google Patents
車両判別装置及びそのプログラム Download PDFInfo
- Publication number
- JP4784932B2 JP4784932B2 JP2006049127A JP2006049127A JP4784932B2 JP 4784932 B2 JP4784932 B2 JP 4784932B2 JP 2006049127 A JP2006049127 A JP 2006049127A JP 2006049127 A JP2006049127 A JP 2006049127A JP 4784932 B2 JP4784932 B2 JP 4784932B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- continuity
- cluster
- density
- cluster label
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Description
前記車両領域の大きさを利用した方法は、撮像された画像内からエッジ処理により、車両であろう領域を抽出し、予め車種ごとに持っている車種別車両領域のデータと比較して車種を判別する方法である。
1番目の背景技術においては、撮像画像が鮮明であれば略確実に車種を判別することができるものの、撮像画像が鮮明でなければ撮像画像からナンバープレート部分を抽出することが困難であり、また、ナンバープレート部分を抽出した場合でも数字の認識が困難であり、これらの場合には車種を判別することができないという課題を有する。
四輪車の場合は、画像中の約60%の面積部分で車両が撮影される。一方、同じ撮影角度で撮影した場合、四輪車以外が撮影された場合は、画像中に占める面積は、約20%程度になる。
R成分ヒストグラムに対して、クラスタリング数を3に指定して行うと、R成分のヒストグラムの値は3つのクラスタに分割される。この3つのクラスタを、横軸にヒストグラムの分割、縦軸にヒストグラムの度数を取りグラフを描くと、クラスタに属する要素の連続性に、四輪車の場合とそれ以外の場合で、明確な特徴が出現する。四輪車の場合はクラスタに属する要素の連続性がしきい値以下になるプロット結果をもつ。四輪車以外の場合はあるクラスタに属する要素に連続性があり、ヒストグラムの分割度数の値0から分割度数の大きくなる方向に向かって連続性を調査していくと、しきい値以上の連続性を持ち、ほぼ中央付近で不連続、その後、再びしきい値以上の連続性を分割度数の最も大きな値まで持つ。
一方四輪車の場合は画像のR濃度ヒストグラムの形状がこれ以外の場合でなければならない。
したがって、路面及び車両以外の白やオレンジの車線が撮像画像に写り込んでいたとしても、白のR成分の濃度値とオレンジのR成分の濃度値とが略同じであるため、車両を正確に判別することができる。
これら前記の発明の概要は、本発明に必須となる特徴を列挙したものではなく、これら複数の特徴のサブコンビネーションも発明となり得る。
実施形態では、主に装置について説明するが、所謂当業者であれば明らかな通り、本発明はコンピュータで使用可能なプログラム、システム、方法としても実施できる。また、本発明は、ハードウェア、ソフトウェア、または、ソフトウェア及びハードウェアの実施形態で実施可能である。プログラムは、ハードディスク、CD−ROM、DVD−ROM、光記憶装置または磁気記憶装置等の任意のコンピュータ可読媒体に記録できる。さらに、プログラムはネットワークを介した他のコンピュータに記録することができる。
[1.システム構成]
図2は本実施形態に係る撮像環境の説明図である。本実施形態では撮像装置10を工場敷地内に敷設された道路脇に配置し、工場母屋内に車両判別装置200を配置している。撮像装置で撮像された撮像画像は、撮像装置と車両判別装置を結ぶ通信路を介して車両判別装置に送信され、車両判別装置は受信した撮像画像に情報処理を施して車両判別結果を出力する。車両判別結果は管理者が操作する管理コンピュータ30で集計され、敷地内に入場している車両数を四輪車と四輪車以外毎に表示する。これらの情報は、例えば、警備上用いることができる他、工場施設増設の設計時に用いることができる。
管理コンピュータ30もハードウェアの構成は、車両判別装置200と同様に、一般のコンピュータの構成である。ここで、車両判別装置200と管理コンピュータ30とを同一のコンピュータ上に構築することもできる。
ヒストグラム(濃度ヒストグラムと呼称する場合もある)は、画像の濃度値の分布を示す。具体的には、画像の濃度値を横軸に取り、その濃度値をもつ画素数を縦軸にとったグラフのことである。画像処理の分野であれば、コントラストを改善する方法で用いられる。ヒストグラム作成部212は、撮像画像データから各濃度値の画素数を演算してヒストグラムデータを作成する。
クラスタリング(クラスタ解析と呼称する場合もある)は、データ解析の1つであり、画像解析、パターン認識、データマイニング、バイオインフォマティックスなどの多くの情報処理技術の分野で採用されている。一般的には、クラスタリングは、対象データを部分集合(クラスタ)に切り分け、それぞれの部分集合に含まれるデータが所定の共通性を有するように処理する。所定の共通性とは、距離尺度、類似性等である。
図8のヒストグラムが各濃度範囲で画素数が比較的変化し、連続した濃度範囲で略同じ画素数となる部分が散在しているため、図10のグラフ図においても連続した濃度範囲で同じクラスタラベル番号となる部分が散在している。一方、図9のヒストグラムが一つの山の濃度範囲を除いて連続した濃度範囲で同じ画素数となっているため、図11のグラフ図においても山の濃度範囲に相当する部分を除き連続した濃度範囲で同じクラスタラベル番号となっている。
連続性特定部214が最小濃度範囲からのクラスタラベル番号の連続性と最大濃度範囲からのクラスタラベル番号の連続性を特定する。図10では最小濃度範囲1でクラスタラベル番号0、続く濃度範囲2でクラスタラベル番号0、続く濃度範囲3でクラスタ番号1となり、最小濃度範囲からのクラスタラベル番号の連続性は2であると連続性特定部214が特定する。また、最大濃度範囲32でクラスタラベル番号0、続く濃度範囲31でクラスタラベル番号0、続く濃度範囲30でクラスタラベル番号2となり、最大濃度範囲からのクラスタラベル番号の連続性は2であると連続性特定部214が特定する。同様に、連続性特定部214が図11について最小濃度範囲からのクラスタラベル番号の連続性は15であり、最大濃度範囲からのクラスタラベル番号の連続性は12であると特定する。
車両判別部215が最小濃度範囲からのクラスタラベル番号の連続性と第1の閾値とを比較し、最大濃度範囲からのクラスタラベル番号の連続性と第2の閾値とを比較し、最小濃度範囲からのクラスタラベル番号と最大濃度範囲からのクラスタラベル番号とが同じであり、最小濃度範囲からのクラスタラベル番号の連続性が第1の閾値より大きく、且つ、最大濃度範囲からのクラスタラベル番号の連続性が第2の閾値より大きい場合(判別条件)に、現在対象としている撮像画像には四輪車以外のものが撮像されていると判別し、一方、前記判別条件を満たさない場合に、現在対象としている撮像画像には四輪車が撮像されていると判別する。
なお、最小濃度範囲に対応する連続性を判定する閾値と、最大濃度範囲に対応する連続性を判定する閾値を、同一の閾値とする構成としても良い。
図12は本実施形態に係る車両判別装置の動作フローチャートである。図13及び図14は本実施形態に係る車両判別装置の連続性特定処理の詳細フローチャートである。
プロセッサ210(入力部211)が撮像装置10から撮像画像を受信して取り込む(ステップ100)。リアルタイムに撮像装置10は撮像画像を撮像直後に車両判別装置200に送信することもできるし、所定回数の撮像回数又は所定時間後に送信してもよい。
プロセッサ210(クラスタリング部213)がヒストグラムデータに対して所定のクラスタ数でK平均法を用いてクラスタリングし、クラスタデータを作成する(ステップ300)。クラスタデータは濃度範囲とクラスタラベル番号とからなる。
プロセッサ210(連続性特定部214)がクラスタデータから連続性を特定し、連続性データを作成する(定義済ステップ400)。連続性データは最小濃度範囲からのクラスタラベル番号の連続性と最大濃度範囲からのクラスタラベル番号の連続性とからなる。
プロセッサ210(出力部216)が車両判別データを、撮影画像、撮影時刻及び撮影場所識別情報と共に集計装置である管理コンピュータ30に出力する(ステップ600)。
このように本実施形態に係る車両判別装置によれば、撮像装置10から取り込んだ撮像画像をヒストグラム化し、ヒストグラム化したデータをさらにクラスタリングし、クラスタリングデータが所定の連続性を有するか有しないかで撮像画像に写り込んでいる車両が四輪車か四輪車以外かを判別することができる。特に、ヒストグラムデータをパターンマッチングで比較し四輪車か否かを判断する方法と比べ、高いレスポンス性を有する。
[1.システム構成]
図15は本実施形態に係る車両判別装置のブロック構成図である。
本実施形態に係る車両判別装置は、前記第1の実施形態に係る車両判別装置と同様に構成され、クラスタリング部213及び連続特定部214の代わりに取り込まれたデータを平滑する平滑化部217と濃度範囲グループ毎に画素数を合算して全画素数での割合を算出する割合算出部218を新たに備え、前記車両判別部215が濃度範囲グループ毎の合算画素数の全体画素数での割合から四輪車か四輪車以外かを判別することを異にする構成である。前記第1の実施形態と同じ要素には同じ番号、ステップを付与しており、別途説明のない要素は同一である。
図16は本実施形態に係る車両判別装置の動作フローチャート、図17は本実施形態に係る車両判別装置の詳細フローチャートである。
ステップ100、200については第1の実施形態と同様であるため説明を省略する。
プロセッサ210がR濃度のヒストグラムデータから各濃度範囲グループ毎の合算画素数の全画素数での割合を求める(ステップ700)。このステップ700は定義済ステップであり、詳細は後記する。
ステップ600については第1の実施形態と同様であるため説明を省略する。
プロセッサ210(平滑化部217)はヒストグラム作成部212からのヒストグラムデータを平滑化処理し(ステップ701)、平滑済みヒストグラムデータを割合算出部218に送り出す。
プロセッサ210(割合算出部218)は平滑済みヒストグラムデータを濃度範囲グループ毎に画素数を合算し(ステップ711)、それぞれの濃度範囲グループの合算画素数を全ての画素数で除算して濃度範囲グループ毎の割合を求め(ステップ721)、全ての濃度範囲グループの割合からなる割合データを車両判別部215に送り出す。ただし、車両判別で使用しない濃度範囲グループの割合がある場合にはその濃度範囲グループの割合を求めず割合データの対象外とすることもできる。
図18または図19は本実施形態に係る車両判別装置のヒストグラムグラフ図及びその濃度範囲グループ毎の画素数の割合を示すグラフである。図18は四輪車のグラフであり、図19はバイクのグラフである。
撮像装置を用いて四輪車、バイクを撮像した撮像画像を使用して車両判別装置でヒストグラムデータ、割合データを求めた。撮像画像に撮像した四輪車、バイクはそれぞれ異なる四輪車、バイクである。
このように本実施形態に係る車両判別装置によれば、ヒストグラムデータを割合算出部218が濃度範囲グループ毎の画素数を合算し、濃度範囲グループ毎の合算画素数の全画素数での割合を求め、車両判別部215がこの求めた濃度範囲グループ毎の割合が所定条件を満たすか否かで撮像画像に撮像されているものが四輪車かそれ以外のものかを判別するので、第1の実施形態に係る車両判別装置と同様に撮像画像に撮像されているものが四輪車か否か判断することができることに加え、前記クラスタリング部213及び連続性特定部214での処理に比べより簡易なやり方で求めたデータに基づき迅速且つ処理負担なく車両判別することができる。
[撮像装置を複数位置に配置した場合] 前記第1の実施形態においては、撮像装置となるCCDカメラを同一地点に2つ配置した構成となっていたが、複数地点にCCDカメラを配置する構成にすることもでき、各地点毎の撮像画像を撮像地点識別番号と共に車両判別装置が取り込み、車両判別を実施して車両判別結果を撮像地点識別番号と共に管理コンピュータ30に出力する構成にすることもできる。
そうすることで、各時点の撮像画像毎に車両判別結果を受け取ることができる。
また、複数の撮像装置10が配置される場合には、それぞれの撮像装置10毎に予め四輪車以外の車両が写り込むように撮像を実施し、かかる撮像画像からそれぞれの平均クラスタデータを求め、撮像装置10毎に対応する平均クラスタデータと現在対象となっている撮像画像のクラスタデータとを比較することで車両判別を実施することもできる。そうすることで、それぞれの環境条件が反映された平均クラスタデータが得られ、それぞれの撮像装置10に対して精度の高い車両判別を実施することができる。
そうすることで、撮像装置で四輪車でない車両が写り込んでいる画像を撮像するだけで、自動的に閾値を設定することができる。
特に、このような閾値の設定を定期的に実施することで、環境の条件が変わった場合であっても適切に車両判別を実施することができる。
(付記1) 車両を撮像する撮像装置で撮像された対象画像から当該画像の濃度分布を示すヒストグラムデータを取得するヒストグラム作成手段と、前記ヒストグラムデータを所定のクラスタ数にクラスタリングすることにより、前記ヒストグラムデータを所定数のクラスタラベル番号を有するクラスタに分類されたクラスタデータを取得するクラスタリング手段と、前記クラスタデータから最小濃度からのクラスタに関する情報を特定する第1の特定手段と、前記クラスタデータから最大濃度からのクラスタに関する情報を特定する第2の特定手段と、前記第1の特定手段により取得された対応する情報と、前記第2の特定手段により取得された対応する情報に基づいて、前記対象画像中の車両の判別を行う車両判別手段を備えることを特徴とする車両判別装置。
前記求めた各濃度値グループの割合に基づいて、前記対象画像中の車両の判別を行う車両判別手段を備える車両判別装置。
30 管理コンピュータ
200 車両判別装置
210 CPU(プロセッサ)
211 入力部
212 ヒストグラム作成部
213 クラスタリング部
214 連続性特定部
215 車両判別部
216 出力部
217 平滑化部
218 割合算出部
220 DRAM
230 HD
240 ディスプレイ
250 キーボード
260 マウス
270 LANカード
280 CD−ROMドライブ
Claims (7)
- 車両を撮像する撮像装置で撮像された対象画像から当該画像の濃度分布を示すヒストグラムデータを取得するヒストグラム作成手段と、
前記ヒストグラムデータを所定のクラスタ数にクラスタリングすることにより、前記ヒストグラムデータを所定数のクラスタラベル番号を有するクラスタに分類されたクラスタデータを取得するクラスタリング手段と、
前記クラスタデータから最小濃度からのクラスタラベル番号の連続性を特定する第1の特定手段と、
前記クラスタデータから最大濃度からのクラスタラベル番号の連続性を特定する第2の特定手段と、
前記第1の特定手段により特定された最小濃度からのクラスタラベル番号の連続性及び最大濃度からのクラスタラベル番号の連続性が所定の閾値より小さい場合に前記対象画像中の車両を四輪車であると判別し、前記第1の特定手段により特定された最小濃度からのクラスタラベル番号の連続性及び最大濃度からのクラスタラベル番号の連続性が所定の閾値より大きい場合に前記対象画像中の車両を四輪車以外であると判別する車両判別手段を備えることを特徴とする車両判別装置。 - 請求項1に記載の車両判別装置であって、
前記ヒストグラム作成手段は、車両を撮像する撮像装置で撮像された対象画像から当該画像のR成分(赤色成分)の濃度分布を示すヒストグラムを取得し、
前記クラスタリング手段は、前記ヒストグラム作成手段により取得された前記R成分のヒストグラムデータを所定のクラスタ数にクラスタリングし、
前記第1の特定手段は、前記クラスタリング処理手段により取得されたR成分のクラスタデータから最小濃度からのクラスタラベル番号の連続性を特定し、
前記第2の特定手段は、前記クラスタリング処理手段により取得されたR成分のクラスタデータから最大濃度からのクラスタラベル番号の連続性を特定することを特徴とする車
両判別装置。 - 請求項1又は2に記載の車両判別装置であって、
前記車両判別手段は、前記最小濃度からのクラスタラベル番号の連続性に係わる第1の閾値と、前記最大濃度からのクラスタラベル番号の連続性に係わる第2の閾値を有することを特徴とする車両判別装置。 - 請求項3に記載の車両判別装置であって、
前記車両判別手段は、前記最小濃度のクラスタラベル番号と前記最大濃度のクラスタラベル番号とが同一であるという第1の判別条件、前記最小濃度からのクラスタラベル番号の連続性が前記第1の閾値より大きいという第2の判別条件、並びに、前記最大濃度からのクラスタラベル番号の連続性が前記第2の閾値より大きいという第3の判別条件を満たす場合に、前記対象画像に四輪車が写り込んでいないと判別し、前記第1の判別条件、第2の判別条件及び第3の判別条件のいずれかを満たさない場合に、前記対象画像に四輪車が写り込んでいると判別することを特徴とする車両判別装置。 - クラスタラベル番号の連続性に基づき閾値を決定する閾値決定手段を新たに備え、
前記撮像装置で撮像される画像のうち車両が写り込んでいない対象画像をヒストグラム作成手段でヒストグラム処理し、
ヒストグラムデータをクラスタリング手段でクラスタリングし、
第1の特定手段で最小濃度からのクラスタラベル番号の連続性を特定し、
第2の特定手段で最大濃度からのクラスタラベル番号の連続性を特定し、
最小濃度からのクラスタラベル番号の連続性、及び又は、最大濃度からのクラスタラベル番号の連続性に基づき前記閾値決定手段が前記閾値を決定する
前記請求項4に記載の車両判別装置。
- 所定範囲を通過する車両を撮像する撮像装置と、撮像された対象画像から車両が四輪車か四輪車以外かを判別する車両判別装置とを備える車両判別システムであって、
車両を撮像する撮像装置で撮像された対象画像から当該画像の濃度分布を示すヒストグラムデータを取得するヒストグラム作成手段と、
前記ヒストグラムデータを所定のクラスタ数にクラスタリングすることにより、前記ヒストグラムデータを所定数のクラスタラベル番号を有するクラスタに分類されたクラスタデータを取得するクラスタリング手段と、
前記クラスタデータから最小濃度からのクラスタラベル番号の連続性を特定する第1の特定手段と、
前記クラスタデータから最大濃度からのクラスタラベル番号の連続性を特定する第2の特定手段と、
前記第1の特定手段により特定された最小濃度からのクラスタラベル番号の連続性及び最大濃度からのクラスタラベル番号の連続性が所定の閾値より小さい場合に前記対象画像中の車両を四輪車であると判別し、前記第1の特定手段により特定された最小濃度からのクラスタラベル番号の連続性及び最大濃度からのクラスタラベル番号の連続性が所定の閾値より大きい場合に前記対象画像中の車両を四輪車以外であると判別する車両判別手段を備えることを特徴とする車両判別システム。 - コンピュータを、
車両を撮像する撮像装置で撮像された対象画像から当該画像の濃度分布を示すヒストグラムデータを取得するヒストグラム作成手段と、
前記ヒストグラムデータを所定のクラスタ数にクラスタリングすることにより、前記ヒストグラムデータを所定数のクラスタラベル番号を有するクラスタに分類されたクラスタデータを取得するクラスタリング手段と、
前記クラスタデータから最小濃度からのクラスタラベル番号の連続性を特定する第1の特定手段と、
前記クラスタデータから最大濃度からのクラスタラベル番号の連続性を特定する第2の特定手段と、
前記第1の特定手段により特定された最小濃度からのクラスタラベル番号の連続性及び最大濃度からのクラスタラベル番号の連続性が所定の閾値より小さい場合に前記対象画像中の車両を四輪車であると判別し、前記第1の特定手段により特定された最小濃度からのクラスタラベル番号の連続性及び最大濃度からのクラスタラベル番号の連続性が所定の閾値より大きい場合に前記対象画像中の車両を四輪車以外であると判別する車両判別手段として機能させることを特徴とする車両判別プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006049127A JP4784932B2 (ja) | 2005-10-31 | 2006-02-24 | 車両判別装置及びそのプログラム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005317796 | 2005-10-31 | ||
JP2005317796 | 2005-10-31 | ||
JP2006049127A JP4784932B2 (ja) | 2005-10-31 | 2006-02-24 | 車両判別装置及びそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007149048A JP2007149048A (ja) | 2007-06-14 |
JP4784932B2 true JP4784932B2 (ja) | 2011-10-05 |
Family
ID=38210354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006049127A Expired - Fee Related JP4784932B2 (ja) | 2005-10-31 | 2006-02-24 | 車両判別装置及びそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4784932B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4973008B2 (ja) * | 2006-05-26 | 2012-07-11 | 富士通株式会社 | 車両判別装置及びそのプログラム |
JP4389906B2 (ja) * | 2006-06-29 | 2009-12-24 | パナソニック株式会社 | 交流電源直結型ブラシレスdcモータおよびそれを搭載した電気機器 |
JP5606173B2 (ja) * | 2010-06-21 | 2014-10-15 | 三菱重工業株式会社 | 車幅推定装置、車両推定装置、車幅推定方法及びプログラム |
KR101321597B1 (ko) * | 2013-08-30 | 2013-10-28 | 주식회사 넥스파시스템 | 영상해석 기반 차량 인식 및 무인 정산 시스템 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05282592A (ja) * | 1992-04-02 | 1993-10-29 | Matsushita Electric Ind Co Ltd | 画像処理式車両感知装置及び交通情報処理方法 |
JP3342126B2 (ja) * | 1993-10-07 | 2002-11-05 | 三菱重工業株式会社 | 車両特徴量計測装置 |
JPH07210795A (ja) * | 1994-01-24 | 1995-08-11 | Babcock Hitachi Kk | 画像式交通流計測方法と装置 |
JP3771729B2 (ja) * | 1998-11-04 | 2006-04-26 | 三菱重工業株式会社 | 交通流計測システム |
-
2006
- 2006-02-24 JP JP2006049127A patent/JP4784932B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2007149048A (ja) | 2007-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778444B (zh) | 道路场景下车辆图像的表观特征分析方法 | |
US10943131B2 (en) | Image based lane marking classification | |
US9014432B2 (en) | License plate character segmentation using likelihood maximization | |
Lin et al. | Helmet use detection of tracked motorcycles using cnn-based multi-task learning | |
JP4567630B2 (ja) | 車種判別プログラムおよび車種判別装置 | |
CN103699905B (zh) | 一种车牌定位方法及装置 | |
CN110866430B (zh) | 一种车牌识别方法及装置 | |
JP4973008B2 (ja) | 車両判別装置及びそのプログラム | |
JP6226368B2 (ja) | 車両監視装置、および車両監視方法 | |
JPWO2008020544A1 (ja) | 車両検知装置,車両検知方法並びに車両検知プログラム | |
CN103544480A (zh) | 车辆颜色识别方法 | |
JP6678552B2 (ja) | 車種判別装置および車種判別方法 | |
Li et al. | Robust vehicle tracking for urban traffic videos at intersections | |
JP2018190082A (ja) | 車種判別装置、車種判別方法、および車種判別システム | |
JP4784932B2 (ja) | 車両判別装置及びそのプログラム | |
CN111382735A (zh) | 夜间车辆检测方法、装置、设备及存储介质 | |
CN112766046A (zh) | 一种目标检测方法及相关装置 | |
Pham et al. | A robust multiclass vehicle detection and classification algorithm for traffic surveillance system | |
CN106778765A (zh) | 一种车牌识别的方法及装置 | |
CN116152758A (zh) | 一种智能实时事故检测及车辆跟踪方法 | |
CN104077566B (zh) | 基于颜色差分的卡口图片人脸检测方法 | |
Jaiswal et al. | Comparative analysis of CCTV video image processing techniques and application: a survey | |
JP2005250786A (ja) | 画像認識方法 | |
Shin et al. | Vehicle classification by road lane detection and model fitting using a surveillance camera | |
CN112270206A (zh) | 车辆检测计数方法、***、储存介质及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080911 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110602 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110705 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110705 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4784932 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140722 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |